核心用法
OCR Pro 是基于 MinerU 的文档提取技能，通过 mineru-open-api CLI 工具实现扫描 PDF 及多种图片格式的 OCR 识别。支持本地文件与 URL 输入，输出 Markdown 结构化文本。
基础命令：
mineru-open-api extract <file.pdf> -o ./out/— 提取文档内容mineru-open-api extract https://.../doc.pdf --ocr --language en -o ./out/— URL + OCR + 英文优化
关键参数：
--ocr启用 OCR 模式（扫描文档必需）--model vlm针对复杂版式（多栏、表格混排）--pages 1-5指定页码范围--language ch/en/ja语言提示优化识别
显著优点
1. 开源可信：MinerU 由上海 AI Lab 的 OpenDataLab 维护，GitHub 开源，技术透明
2. 格式覆盖广：支持 PDF 及 7 种图片格式（png/jpg/webp/gif/bmp/jp2/jpeg）
3. 复杂版面解析：VLM 模型可处理学术论文、财报等多栏混排场景
4. 灵活部署：npm/Go 双渠道安装，跨平台支持
5. 结构化输出：自动输出 Markdown，保留标题层级、表格结构
潜在局限
- Token 依赖：所有提取功能需联网验证 token，无法纯离线使用
- 中文模型偏向：默认
ch语言参数，英文文档需显式指定--language en - 二进制格式限制：DOCX 输出必须用
-o指定目录，无法管道传输 - API 速率限制：依赖官方服务配额，大规模批处理可能受限
适合人群
- 研究人员：学术论文、扫描书籍的数字化归档
- 法务/财务：合同、发票、报表的批量结构化提取
- 开发者：需集成文档解析管道的自动化工作流
常规风险
- Token 安全：
MINERU_TOKEN需妥善保管，避免硬编码到版本控制 - 网络传输：文档内容上传至 MinerU 云服务，敏感文件需评估合规性
- 识别误差：手写体、低分辨率扫描件可能出现 OCR 错误，关键数据需人工复核